新论文提出代码优化强化学习三阶段方法

研究团队发表论文，提出一套让执行时间变得可学习的代码优化强化学习方法，分三个阶段：一是构建 DMC-Optim 优化测试集与校准沙盒，改变代码的测试方式；二是把正确性与速度组合进强化学习环境，并用离线模拟器预测最有潜力的配置，将速度转化为奖励；三是改造 GRPO 与评估方式，以适应计时执行场景中更稀疏、噪声更大的奖励信号。 该论文由 Pierre Chambon 等作者完成，发布在 arXiv cs.LG。上述三阶段及其效果均为论文中的表述。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。